Langsung ke

NVIDIA dan Google Cloud

NVIDIA dan Google Cloud menghadirkan solusi yang dioptimalkan akselerator untuk mengatasi workload Anda yang paling rumit, termasuk machine learning, komputasi berperforma tinggi, analisis data, grafik, dan workload game.  

Logo Nvidia dan Google Cloud

Manfaat

Kecanggihan komputasi yang dipercepat dengan NVIDIA dalam skala besar di Google Cloud

Peningkatan performa untuk beragam workload

Dengan GPU NVIDIA terbaru di Google Cloud, Anda dapat dengan mudah menyediakan instance Compute Engine dengan NVIDIA A100, P100, P4, T4, atau V100 untuk mempercepat workload Anda yang paling rumit.

Mengurangi biaya dengan penagihan per detik

Dengan harga per detik Google Cloud, Anda hanya membayar apa yang Anda butuhkan, dengan diskon hingga 30% per bulan yang diterapkan secara otomatis. Hemat biaya di muka sekaligus dapatkan waktu beroperasi dan performa skalabel yang sama.

Mengoptimalkan beban kerja dengan konfigurasi mesin kustom

Optimalkan workload Anda dengan mengonfigurasi instance secara tepat dengan rasio prosesor, memori, dan GPU NVIDIA yang Anda butuhkan, bukan memodifikasi workload agar sesuai dengan konfigurasi sistem yang terbatas. 

Fitur utama

Teknologi NVIDIA di Google Cloud

NVIDIA A100® Tensor Core GPU

VM A2 yang dioptimalkan akselerator didasarkan pada NVIDIA Ampere A100 Tensor Core GPU. Setiap GPU A100 menawarkan performa komputasi hingga 20x dibandingkan dengan generasi sebelumnya. VM ini dirancang untuk memberikan akselerasi di setiap skala untuk AI, analisis data, dan komputasi berperforma tinggi demi mengatasi tantangan komputasi yang terberat.

NVIDIA T4® Tensor Core GPU

GPU NVIDIA® T4 mempercepat beragam workload cloud, termasuk komputasi berperforma tinggi, pelatihan dan inferensi deep learning, machine learning, analisis data, dan grafis. GPU NVIDIA® T4 secara umum tersedia di Compute Engine.

Hybrid cloud dengan NVIDIA dan Anthos dari Google Cloud

Anthos Google Cloud dibangun agar pelanggan dapat dengan mudah menjalankan aplikasi baik di cloud maupun di lingkungan lokal. Melalui kerjasama yang erat dengan NVIDIA, kami telah membangun solusi yang menggunakan Operator GPU NVIDIA guna men-deploy komponen yang diperlukan untuk mengaktifkan GPU di Kubernetes. Solusi ini dapat digunakan dengan banyak GPU NVIDIA populer, termasuk A100 dan T4.

Melakukan penskalaan otomatis dengan Google Kubernetes Engine

Dengan menggunakan Google Kubernetes Engine (GKE), Anda dapat dengan mudah membuat cluster dengan GPU NVIDIA sesuai permintaan, melakukan load balancing, dan meminimalkan biaya operasional dengan meningkatkan atau menurunkan skala resource GPU secara otomatis. Dengan dukungan untuk multi-instance GPU (MIG) di GPU NVIDIA A100, GKE kini dapat menyediakan akselerasi GPU berukuran tepat yang lebih terperinci untuk workload inferensi AI multi-pengguna dan multi-model.

NVIDIA CloudXR™ dengan RTX Virtual Workstation

NVIDIA CloudXR, inovasi inovatif yang dibangun dengan teknologi NVIDIA RTX™, menjadikan XR berkualitas tinggi dapat diakses melalui Google Cloud Marketplace dengan NVIDIA RTX Virtual Workstation sebagai virtual machine image (VMI). Pengguna dapat dengan mudah menyiapkan, menskalakan, dan mendapatkan pengalaman imersif berkualitas tinggi serta mengalirkan alur kerja XR dari cloud.


Siap untuk memulai? Hubungi kami

Layanan terkait

Dokumentasi

Referensi teknis untuk men-deploy teknologi NVIDIA di Google Cloud

Dasar-Dasar Google Cloud
GPU di Compute Engine

Compute Engine memberikan GPU yang dapat Anda tambahkan ke instance virtual machine. Pelajari hal yang dapat Anda lakukan dengan GPU dan jenis hardware GPU apa yang tersedia.

Dasar-Dasar Google Cloud
Menggunakan GPU untuk melatih model di cloud

Percepat proses pelatihan untuk berbagai model deep learning, seperti klasifikasi gambar, analisis video, dan natural language processing.

Tutorial
GPU di Google Kubernetes Engine

Pelajari cara menggunakan akselerator hardware GPU di node cluster Google Kubernetes Engine.

Dasar-Dasar Google Cloud
Memasang GPU ke cluster Dataproc

Pasang GPU ke node Compute Engine worker dan master di cluster Dataproc untuk mempercepat workload tertentu, seperti machine learning dan pemrosesan data.